DxDirector: агентная большая языковая модель, управляющая полным процессом клинической диагностики

В реальных условиях клиническая диагностика часто начинается с неоднозначных жалоб пациента, требующих итеративного рассуждения и проведения исследований. Хотя большие языковые модели (LLM) все чаще помогают отвечать на конкретные медицинские запросы, в настоящее время они не способны автономно управлять всем диагностическим процессом, что ограничивает их потенциал по существенному снижению нагрузки на врачей. В данной работе представлена агентная большая языковая модель DxDirector-7B, предназначенная для прохождения полного диагностического процесса с использованием расширенных возможностей медленного, углубленного рассуждения. В отличие от существующих ассистентов, наша модель автономно определяет оптимальную диагностическую стратегию, запрашивая вмешательство врача только для выполнения необходимых клинических процедур. В испытаниях, охватывающих редкие заболевания и сложные случаи из реальной клинической практики, DxDirector-7B продемонстрировала более высокую диагностическую точность по сравнению с современными медицинскими и универсальными большими языковыми моделями, имеющими значительно большее число параметров. Особенно важно, что модель резко сокращает участие врача, сохраняя при этом надежную систему безопасности и подотчетности при состояниях высокого риска. Эти результаты демонстрируют смену парадигмы, при которой искусственный интеллект эффективно руководит клиническим рассуждением, предлагая масштабируемое решение для повышения эффективности и доступности диагностики.